Gerechtere Steuerpolitik durch millionenfache KI-Simulation

Tiefen-Verst?rkungslernen hat KI bisher darauf trainiert, Menschen bei komplexen Spielen wie Go zu schlagen. K?nnte es auch das Steuersystem verbessern?

Lesezeit: 2 Min.
In Pocket speichern
vorlesen Druckansicht Kommentare lesen 61 Beitr?ge

(Bild: Tony Webster / Flickr)

Von

Die Einkommensschere ist ein allumfassendes Wirtschaftsproblem. Zu den wirksamsten politischen Instrumenten zu ihrer Bek?mpfung geh?rt die Besteuerung: Regierungen sammeln Geld von Menschen je nach ihrer Einkommensh?he ein und verteilen es entweder direkt über Wohlfahrtssysteme oder indirekt durch Investitionen in ?ffentliche Projekte. Obwohl mehr Steuern zu mehr Gleichheit führen k?nnen, kann eine zu hohe Besteuerung Menschen auch vom Arbeiten abhalten oder sie dazu motivieren, Steuern zu umgehen. Beides verringert den Inhalt des Gesamtsteuertopfs.

Das richtige Gleichgewicht zu finden ist allerdings nicht einfach. ?konomen stützen sich normalerweise auf schwer zu validierende Annahmen. Denn das wirtschaftliche Verhalten der Menschen ist komplex und es ist schwierig, Daten darüber zu sammeln. Obwohl die Wirtschaftsforschung seit Jahrzehnten mit der Frage ringt, wie die beste Steuerpolitik aussieht, hat sie immer keine L?sung dafür gefunden.

Wissenschaftler des US-Unternehmens Salesforce glauben, dass Künstliche Intelligenz (KI) dabei helfen kann. Unter der Leitung von Richard Socher hat das Team ein System namens ?AI Economist“ (KI-?konom) entwickelt, das mit dem sogenannten Verst?rkungslernen dieselbe Technik wie DeepMinds AlphaGo und AlphaZero verwendet, um optimale Steuerrichtlinien für eine simulierte Wirtschaft zu ermitteln. Das Tool ist noch relativ einfach, und kann bei weitem nicht alle Komplexit?ten der realen Welt oder des menschlichen Verhaltens miterfassen. Trotzdem bildet es einen vielversprechenden ersten Schritt, um Richtlinien auf v?llig neue Weise zu bewerten. ?Es w?re gro?artig, die Steuerpolitik weniger politisch und dafür datenorientierter zu gestalten“, sagt Teammitglied Alex Trott.

Tats?chlich fand die KI bei ihren Berechnungen zum Beispiel ein Steuersystem, das im Hinblick auf die Maximierung von Produktivit?t und Einkommensgleichheit 16 Prozent fairer war als ein von Wirtschaftswissenschaftlern untersuchter progressiver Steuerrahmen. Die Verbesserung gegenüber der aktuellen US-Politik war noch gr??er. ?Ich denke, es ist eine sehr interessante Idee“, sagt Blake LeBaron von der Brandeis University in Waltham im US-Bundesstaat Massachusetts, der neuronale Netze zur Modellierung der Finanzm?rkte entwickelt.

In der Simulation wurden vier KI-Mitarbeiter jeweils von einem eigenen, auf Verst?rkungslernen beruhenden Modell gesteuert. Sie interagierten mit einer zweidimensionalen Welt, in der sie Holz und Steine sammelten. Diese Rohstoffe tauschten sie mit anderen oder bauten aus ihnen H?user für andere, um Geld zu verdienen. Die Arbeiter hatten dabei unterschiedliche F?higkeiten und spezialisieren sich auf verschiedene Aufgaben. Geringer qualifizierte Arbeitskr?fte lernten, dass sie weiter kommen, wenn sie Rohstoffe sammeln. H?herqualifizierte wiederum lernten, dass es besser für sie l?uft, wenn sie Rohstoffe kaufen, um H?user zu bauen.

Am Ende jedes simulierten Jahres wurden alle Arbeitnehmer mit einem Steuersatz besteuert, den ein von der KI – ebenfalls mit Verst?rkungslernen-Algorithmen – simulierter politischer Entscheidungstr?ger festlegte. Sein Ziel ist die Steigerung der Produktivit?t und des Einkommens aller Arbeitnehmer. Das KI-System n?herte sich dem optimalen Verhalten an, indem es die Simulation millionenfach wiederholte. Beide Modelle begannen dabei ohne Vorkenntnisse in der Wirtschaftstheorie, und lernen, wie man durch Versuch und Irrtum handelt.

K?nne man aber von lediglich vier KI-simulierten Arbeitern viel lernen? Theoretisch ja, denn einfache Interaktionen zwischen einer Handvoll Agenten führen schon bald zu sehr komplexen Verhaltensweisen. Trotzdem sind sich alle Projektbeteiligten einig, dass ein h?here Mitarbeiterzahl für die Simulation von entscheidender Bedeutung ist, wenn das Werkzeug realistische Szenarien modellieren soll.

Tats?chlich kritisiert LeBaron die geringe Anzahl von Agenten, auf die das Tool bisher beschr?nkt ist. ?Es gibt Leute, die argumentieren, dass man mit nur wenigen Agenten tiefe intellektuelle Einsichten gewinnen kann“, sagt er. ?Ich bin keiner von ihnen.“ Er würde gerne die Simulation mit rund 100 Mitarbeiter sehen, die das Salesforce-Team als n?chstes anstrebt.

LeBaron glaubt jedoch trotzdem, dass das Werkzeug bereits jetzt zur überprüfung bestehender Wirtschaftsmodelle verwendet werden k?nnte: ?Wenn ich ein politischer Entscheidungstr?ger w?re, würde ich dieses Ding starten, um zu sehen, was es sagt.“ Wenn der KI-?konom von anderen Modellen abweicht, k?nnte dies ein Zeichen dafür sein, dass diesen anderen Modellen etwas fehlte.

(vsz)

汤姆叔叔影院